MRI ve EEG verilerini işleyerek hastalık tanılamayı öğrenen algoritma
“Sağlık alanında verilerin tercih edilmesinin bir sebebi var. Yapay zeka diye bir kavram var. Aslında çok geniş bir çatı yapay zeka. Bunun altında çok daha nitelikli, az duyulan başlıklar var. Bunlardan bir tanesi makine öğrenmesi. Ne yapıyor? İnsan gibi karar verebiliyor. Tabii biz nasıl karar verirken tecrübe, gözlem, bilgi birikimini harmanlayarak karar veriyorsak, aynı beceri algoritmada da olabiliyor. Bunun bir avantajı oluyor: Veriyi işlerken bir hızımız var. Veriyi işleme hızımızdan veya veriyi saklama kapasitemizden çok daha yüksek kapasiteli, daha hızlı ve insan gibi düşünüp karar veren bir sistem geliştirince, tıpta pek çok problemi çözebiliyorsunuz. Erken tanı olabilir, doğru tedavi yöntemleri olabilir. Üsküdar Üniversitesi’nde kurguladığımız sistem, nöro görüntüleme verileri ile yani EEG veya MRI verilerini kullanarak, tedavi sonuçlarını öngören ve buna göre uygun tedaviyi öneren veya hastalıkları sınıflandıran bir algoritma geliştirdik.
Neyi kullanıyor bu sistem? Tedaviden önceki EEG veya MRI verisini kullanıyor. Ham, işlenmemiş veriyi topluyoruz. Biyolojik belirteçler var hastalıkları sınıflandırmada kullanılan. Mesela hekimler kan testlerinde belli ögelere bakar tanı koymak için. Psikiyatrik hastalıklarda mesela tanı koymak için kullanılan belirteçler, yıllar içinde ortaya çıkıyor ve hekimin tecrübesi de önemli rol oynuyor. Bu uzun tecrübe dönemini kısaltmak için çok fazla veri topladık. Normalde bir hekim günde 10 hasta görüyorsa, bunu 10 yıllık zaman dilimine yayınca belli bir miktar tecrübe elde edilmiş olur. Öyle bir sistem kurun ki, bin hekimin yüz yılda göreceği kadar veriyi algoritmaya verin ve sistem öğrensin. Oradan biyolojik belirteç çıkartmayı öğrensin. Kullandığımız yöntem bunu sağlıyor. Sistem, yüksek sayıdaki veriyle öğrenip, hastalıklara özel biyolojik belirteçleri bulup çıkarıyor. Tanı-tedavi süreçlerinde çok önemli bu. 25 senelik büyük bir veri kullandık burada.”